seq2seq-vc 是音频音乐领域的开源项目，由 unilight 开发，2022 年首次发布。
它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 113。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-05-11。MIT许可证，完全免费，需自行部署。
它主要面向的使用场景是：学术研究：用于语音转换算法的对比和验证。同类可对比的替代方案包括 StarGAN-VC、AutoVC、SVC (Soft-Voice-Conversion)。
seq2seq-vc
用序列模型实现声音转换，无需平行语料
seq2seq-vc 是一个基于序列到序列（seq2seq）模型的语音转换工具包，旨在将一个人的声音转换为另一个人的声音，同时保留语言内容和韵律信息。它解决了传统语音转换方法依赖平行语料、转换自然度低的问题，通过端到端的深度学习模型直接学习源和目标语音之间的映射关系。核心能力包括：支持非平行语料训练、基于注意力机制的序列建模、以及提供完整的训练和推理流程。项目代码以 Jupyter Notebook 形式组织，便于研究人员理解和复现实验，适合作为语音转换领域的学习和实验基础。
开源
free
音频音乐
GitHub 星标
★ 113
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类音频音乐
开发团队unilight
所属国家
定价模式free
价格说明开源工具包，MIT许可证，完全免费，需自行部署。
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型sequence-to-sequence,text-to-speech,voice-conversion
GitHub 星标★ 113
30天Star增速
HF 下载量
上线时间2022-10-18 00:00:00
最近更新2026-05-11 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5
使用教程
核心亮点
- 采用seq2seq架构，支持非平行语料训练，降低数据要求
- 基于注意力机制，能较好保留源语音的韵律和内容
- 提供完整训练和推理流程，适合学术研究和复现
不足之处
- 项目处于早期阶段，文档和社区支持有限
- 依赖Jupyter Notebook，工程化部署不便
适用场景
- 学术研究：用于语音转换算法的对比和验证
- 语音合成预处理：将说话人声音转换为目标音色
- 个性化语音生成：为虚拟助手或游戏角色定制声音
替代项目
StarGAN-VC、AutoVC、SVC (Soft-Voice-Conversion)
项目介绍
上一篇：speaker
下一篇：Fre-GAN-pytorch
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···